TopN这种统计场景很常见,例如,统计出搜索热度最高的词,点击率最高的广告等,现在有了Hadoop、Storm这些工具之后,很方便地就能得到结果。
这里以Storm为例,简易地实现了TopN单词的统计,由于刚刚入门,代码写得比较简单。
首先,在多台机器上运行多个bolt,每个bolt负责计算一部分word的TopN,最后有一个全局的bolt,合并上一步的结果,最后得出全局的TopN。
这里需要注意的几点是,第一个bolt的分组策略是
fieldsGrouping
,按照字段分组,这一点很重要,它能保证相同的word被分发到同一个bolt上,
像做wordcount、TopN之类的应用就要使用这种分组策略。
最后一个bolt的分组策略是 globalGrouping ,全局分组, tuple 会被分配到一个bolt用来汇总。
为了提高并行度,spout和第一个bolt均设置并行度为2(我这里测试机器性能不是很高)。
spout的作用是随机发送word,发送100次,由于并行度是2,将产生2个spout实例,所以这里的计数器使用了static的
AtomicInteger来保证线程安全。
在WordCounter里面有个线程安全的容器
ConcurrentHashMap
,来存储word以及对应的次数。在
prepare
方法里启动一个线程,长期监听edit的状态,监听间隔是5秒,
当edit为false,即execute方法不再执行、容器不再变化,可以认为spout已经发送完毕了,可以开始排序取TopN了。这里使用了一个volatile edit(回忆一下volatile的使用场景:
对变量的修改不依赖变量当前的值,这里设置true or false,显然不相互依赖)。
最后一个bolt做全局的汇总,这里我偷了懒,直接将结果写到文件了,省略截取TopN的过程,因为我这里就一个supervisor节点,所以结果是正确的。
这里以Storm为例,简易地实现了TopN单词的统计,由于刚刚入门,代码写得比较简单。
首先,在多台机器上运行多个bolt,每个bolt负责计算一部分word的TopN,最后有一个全局的bolt,合并上一步的结果,最后得出全局的TopN。
点击(此处)折叠或打开
- package test.storm.topology;
-
- import test.storm.bolt.WordCounter;
- import test.storm.bolt.WordWriter;
- import test.storm.spout.WordReader;
- import backtype.storm.Config;
- import backtype.storm.StormSubmitter;
- import backtype.storm.generated.AlreadyAliveException;
- import backtype.storm.generated.InvalidTopologyException;
- import backtype.storm.topology.TopologyBuilder;
- import backtype.storm.tuple.Fields;
-
- public class WordTopN {
- public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException {
- if (args == null || args.length < 1) {
- System.err.println("Usage: N");
- System.err.println("such as : 10");
- System.exit(-1);
- }
-
- TopologyBuilder builder = new TopologyBuilder();
- builder.setSpout("wordreader", new WordReader(), 2);
- builder.setBolt("wordcounter", new WordCounter(), 2).fieldsGrouping("wordreader", new Fields("word"));
- builder.setBolt("wordwriter", new WordWriter()).globalGrouping("wordcounter");
-
- Config conf = new Config();
- conf.put("N", args[0]);
-
- conf.setDebug(false);
- StormSubmitter.submitTopology("topN", conf, builder.createTopology());
-
- }
- }
像做wordcount、TopN之类的应用就要使用这种分组策略。
最后一个bolt的分组策略是 globalGrouping ,全局分组, tuple 会被分配到一个bolt用来汇总。
为了提高并行度,spout和第一个bolt均设置并行度为2(我这里测试机器性能不是很高)。
点击(此处)折叠或打开
- package test.storm.spout;
-
- import java.util.Map;
- import java.util.Random;
- import java.util.concurrent.atomic.AtomicInteger;
-
- import backtype.storm.spout.SpoutOutputCollector;
- import backtype.storm.task.TopologyContext;
- import backtype.storm.topology.OutputFieldsDeclarer;
- import backtype.storm.topology.base.BaseRichSpout;
- import backtype.storm.tuple.Fields;
- import backtype.storm.tuple.Values;
-
- public class WordReader extends BaseRichSpout {
- private static final long serialVersionUID = 2197521792014017918L;
- private SpoutOutputCollector collector;
- private static AtomicInteger i = new AtomicInteger();
- private static String[] words = new String[] { \"a\", \"b\", \"c\", \"d\", \"e\", \"f\", \"g\", \"h\", \"i\", \"j\", \"k\", \"l\", \"m\",
- \"n\", \"o\", \"p\", \"q\", \"r\", \"s\", \"t\", \"u\", \"v\", \"w\", \"x\", \"y\", \"z\" };
-
- @Override
- public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {
- this.collector = collector;
- }
-
- @Override
- public void nextTuple() {
- if (i.intValue() < 100) {
- Random rand = new Random();
- String word = words[rand.nextInt(words.length)];
- collector.emit(new Values(word));
- i.incrementAndGet();
- }
- }
-
- @Override
- public void declareOutputFields(OutputFieldsDeclarer declarer) {
- declarer.declare(new Fields("word"));
- }
- }
点击(此处)折叠或打开
- package test.storm.bolt;
-
- import java.util.ArrayList;
- import java.util.Collections;
- import java.util.Comparator;
- import java.util.HashMap;
- import java.util.List;
- import java.util.Map;
- import java.util.Map.Entry;
- import java.util.concurrent.ConcurrentHashMap;
-
- import backtype.storm.task.OutputCollector;
- import backtype.storm.task.TopologyContext;
- import backtype.storm.topology.IRichBolt;
- import backtype.storm.topology.OutputFieldsDeclarer;
- import backtype.storm.tuple.Fields;
- import backtype.storm.tuple.Tuple;
- import backtype.storm.tuple.Values;
-
- public class WordCounter implements IRichBolt {
- private static final long serialVersionUID = 5683648523524179434L;
- private static Map<String, Integer> counters = new ConcurrentHashMap<String, Integer>();
- private volatile boolean edit = true;
-
- @Override
- public void prepare(final Map stormConf, TopologyContext context, final OutputCollector collector) {
- new Thread(new Runnable() {
- @Override
- public void run() {
- while (true) {
- //5秒后counter不再变化,可以认为spout已经发送完毕
- if (!edit) {
- if (counters.size() > 0) {
- List<Map.Entry<String, Integer>> list = new ArrayList<Map.Entry<String, Integer>>();
- list.addAll(counters.entrySet());
- Collections.sort(list, new ValueComparator());
-
- //向下一个bolt发送前N个word
- for (int i = 0; i < list.size(); i++) {
- if (i < Integer.parseInt(stormConf.get("N").toString())) {
- collector.emit(new Values(list.get(i).getKey() + ":" + list.get(i).getValue()));
- }
- }
- }
-
- //发送之后,清空counters,以防spout再次发送word过来
- counters.clear();
- }
-
- edit = false;
- try {
- Thread.sleep(5000);
- } catch (InterruptedException e) {
- e.printStackTrace();
- }
- }
- }
- }).start();
- }
-
- @Override
- public void execute(Tuple tuple) {
- String str = tuple.getString(0);
- if (counters.containsKey(str)) {
- Integer c = counters.get(str) + 1;
- counters.put(str, c);
- } else {
- counters.put(str, 1);
- }
-
- edit = true;
- }
-
- private static class ValueComparator implements Comparator<Map.Entry<String, Integer>> {
- @Override
- public int compare(Entry<String, Integer> entry1, Entry<String, Integer> entry2) {
- return entry2.getValue() - entry1.getValue();
- }
- }
-
- @Override
- public void declareOutputFields(OutputFieldsDeclarer declarer) {
- declarer.declare(new Fields("word_count"));
- }
-
- @Override
- public void cleanup() {
- }
-
- @Override
- public Map<String, Object> getComponentConfiguration() {
- return null;
- }
- }
当edit为false,即execute方法不再执行、容器不再变化,可以认为spout已经发送完毕了,可以开始排序取TopN了。这里使用了一个volatile edit(回忆一下volatile的使用场景:
对变量的修改不依赖变量当前的值,这里设置true or false,显然不相互依赖)。
点击(此处)折叠或打开
- package test.storm.bolt;
-
- import java.io.FileWriter;
- import java.io.IOException;
- import java.util.Map;
-
- import backtype.storm.task.TopologyContext;
- import backtype.storm.topology.BasicOutputCollector;
- import backtype.storm.topology.OutputFieldsDeclarer;
- import backtype.storm.topology.base.BaseBasicBolt;
- import backtype.storm.tuple.Tuple;
-
- public class WordWriter extends BaseBasicBolt {
- private static final long serialVersionUID = -6586283337287975719L;
- private FileWriter writer = null;
-
- public WordWriter() {
- }
-
- @Override
- public void prepare(Map stormConf, TopologyContext context) {
- try {
- writer = new FileWriter("/data/tianzhen/output/" + this);
- } catch (IOException e) {
- e.printStackTrace();
- }
- }
-
- @Override
- public void execute(Tuple input, BasicOutputCollector collector) {
- String s = input.getString(0);
- try {
- writer.write(s);
- writer.write("\n");
- writer.flush();
- } catch (IOException e) {
- e.printStackTrace();
- } finally {
- //writer不能close,因为execute需要一直运行
- }
- }
-
- @Override
- public void declareOutputFields(OutputFieldsDeclarer declarer) {
-
- }
- }